第一章　曙光突现：人工智能悄无声息地突然降临

寒夜尽头：蹒跚而来的人工智能

2015年1月，我亲历了德国汉诺威工业博览会，那次博览会上“工业4.0”出尽了风头。当时我的好友林越峰告诉我，在未来几年内，德国人为巩固自己工业老大哥地位而发起的“工业4.0”可能会一直抢占各大媒体的头版。在他说完这话的头几个月，确实是这样，无论是电视、报纸、网站还是图书，处处充斥着“工业4.0”的消息。然而在一年以后，也就是2016年年初，他的控制工程博士还没攻读下来，国内媒体就彻底变了天，除了那些每天不断的明星绯闻之外，一个名叫AlphaGo的机器人悄悄地进入了人们的视野。可能很多人不知道它是什么，但是谁都不能否认，现在它很火。

然后媒体开始大篇幅报道人工智能：从下棋赢了韩国棋手，到猜中《我是歌手》的比赛结果，再到预测《权利的游戏》的结局，甚至在几个月前，伊隆·马斯克向大家开放了他的特斯拉工厂。我们惊讶地发现，原来那些无比拉风的电动跑车，全都是由机器人生产的。

奇怪的是，在此之前，我们从未把人工智能当回事，在我们心中，所谓人工智能，无非就是能被你“调戏”的客服机器人，或者是手机上可以跟你对话的软件。尽管人工智能的真正定义是《机械公敌》上面的那种能跟人无障碍通话，并且有着缜密思维和思想的机器人，但我们从未将它们与科学联系在一起，因为那样的机器人离我们太遥远了，我们更加相信，那只不过是科学家讲给我们的神话。

人工智能就这么来了！突然爆发，就像夏天的雷雨，半分钟之前还是晴天，顷刻间一声巨雷，随后暴雨倾注，把我们这些出门不带伞的人淋得不知所措。还记得三年前，我一个在美国读书的朋友跟我们在一起喝酒的时候常常对自己的专业羞于启齿，因为我们几个哥们都是在研究如何更经济地输电，如何节约劳动力或者怎么建立跨区域物流等问题，然而他这几年都在研究如何让一个机械的手臂举起一个杯子，当他说起自己的研究方向叫作人工神经网络的时候，我们纷纷怀疑他转了医学。现如今，他已经被高薪挖进硅谷。很多类似的事情让我们不得不认清现实，当我读完那篇发表在Nature上充满创造性的Mastering the game of Go with deep neural networks and tree search时，我不得不告诉自己，曾经被大众模糊在科幻与科学之间的人工智能，就这样毫无征兆地突然来临了。

不过在控制科学和计算机领域内，人工智能的突然爆发并不在意料之外。很早以前，已经有天才的科学家将人工智能作为科学来研究。1936年，“计算机之父”——图灵撰写了《计算机与智能》，阐述了一种计算机能够实现人类功能的设想。20年后，一群极具天赋的年轻人聚集在美国Dartmouth大学，他们认为机器应该可以实现人类的一些能力，并开创了名为“人工智能”的学科。从这门学科的诞生，到2016年大放异彩，历经60年之久，在这60年间，人工智能经历了多次瓶颈和转型，一路跌跌撞撞才走到了今天。

其实从人工智能学科的创立起，有一个问题就一直困扰着科学家们，这个问题能否得到很好的解答，关系着人工智能的发展与前景，这个问题就是：人脑和机器到底有什么差别？

在人工智能的初创期，极具天才的人工智能科学家认为，机器与人脑的最大差别在于推理。人们认为所谓的“智能”，其实就是推理，如果机器能拥有侦探一样的推理能力，并通过我们能理解的方式表现出来，那简直就像人类一样了！因此早期科学家把心思花在机器推理能力的研究上。

诸如Newell等世界上最具天才的科学家都全身心投入这个研究中，他们编制了令人欢欣鼓舞的“逻辑家程序”，虽然这几万行代码跟电影里的机器人相去甚远，但是从专业的角度看，这非常像是人工智能的雏形。

这一套有创意的程序，在应用初期确实让人激动，“逻辑家程序”将罗素和怀特海的《数学原理》中的五十多条定理全部证明出来，甚至不少定理比作者本人的证明方法还要精妙。但是没过多久人们便意识到，这一套看上去好像获得了巨大成功的程序，实际上只是缔造了一位会做证明题的学生，它只能证明定理，甚至都不能提出理论。科学家们沮丧地发现，他们好像只是把这个复杂的问题，简单地抽象成了数学问题，然后饶有趣味地研究了20多年。

当20年的成果摆在眼前时，科学家们意识到，研究跑偏了。尽管机器已经具有了很强的推理性，但这不是我们想要的。将来可能它还会证明物理公式、化学公式，但是我们人类不是只会推理公式啊，仅仅是推理，恐怕不能算人工智能。

跑偏了似乎也没太大的关系，回到正确的方向就行了。然而并不是人人都有耐心等着科学家们试错。机器推理最终以失败告终，人工智能的科研经费被大幅削减，很多人选择离开这一领域，选择更切实际的学科进行研究。就这样，人工智能第一次进入寒夜。

在人工智能学科挣扎在濒死线上的时候，E.A.Feigenbaum等科学家再一次认真分析了人类的思维过程，他们发现，人脑与机器的最大差别，其实就是解决问题的方式。人类可以通过学习到的知识和经验解决现实问题，而机器只能通过程序员在代码中为其设定的知识和经验解决问题。因此，科学家们认为，如果机器能够存储大量的经验和知识，并且运用它们解决实际问题，那这就是真正的人工智能了。沿袭这个思路，“专家系统”应运而生。

“专家系统”的出现，给人工智能注入了复活的血液。“专家系统”需要把大量的知识和数据库输入给机器，然后机器利用它们解决实际问题。这样一来，就是在模仿人类的思维过程。这听上去很棒的，对吧？专家系统一度使人工智能行业沾沾自喜，几个超级大国纷纷斥巨资成立公司，采用“专家系统”的思路，研究“第五代计算机”，生怕被别人抢先。看上去，人工智能这一次真的要大步跨越了。

然而没多久大家便发现，其实机器只能解决人类已经为其输入答案的问题，并不能解决专家知识库以外的新问题，迁移能力非常有限，而且为了使人工智能的功能更完善，还需要为其打造庞大的“专家库”，成本巨大，与其带来的收益完全不成比例。实际上，想要让机器解决多少问题，人们就需要给它输入多少“知识”。从原理上说，与人类直接编程解决问题没什么本质的区别。本来可能使业界欢呼雀跃的“专家系统”，很快又一次以失败告终，人工智能再次陷入僵局。

至此，人工智能已经经历了40年，从历史发展规律上看，如果一个学科发展了40年还没搞出什么成果，那么基本上就会被科学家打入“冷宫”。在以“专家系统”对人工智能的探索宣告失败之后，很长一段时间，人们对“人工智能”失去了耐心，“还是让它们活在科幻小说里吧”。于是人工智能的科研经费再次被大幅削减，那些以人工智能为概念而成立的公司纷纷倒闭。

可能人类实在太需要尝一尝创造新物种的滋味，也可能是科学家和科幻小说家为我们描述的画面太美好了，人类真的不甘心将这样一个美好的愿景化为泡影。

因此，当推理和专家系统都被证明不可行之后，在人工智能已经沉寂了数年之久的情况下，人类再一次对人工智能的发展方向进行了思考。人类和机器的最大差别到底是什么呢？不是推理，因为通过简单的程序机器也可以进行推理。也不是用知识解决问题，因为所有以解决问题为目的的程序，本质上都是使用已经有的知识解决问题。

那么，人类与机器最本质的区别是什么呢？

这时候，年轻的计算机科学家站出来，告诉大家，人类和机器本质的区别，就是学习！人类可以学习，机器不能学习啊，像专家系统这样机械地储存和使用知识，那不叫学习，那只能叫记忆。我们人类的学习，不仅是记忆，而且还要将记下来的知识进行各种变形和迁移应用，如果你有幸参加过中国的高考，你一定对这句话有着深刻的理解。

这个言论一出，大家纷纷觉得有道理，当一个机器能够通过储存的数学定律，把高考最后一道数学题解出来，或者能通过储存的词典，跟人对骂的时候，谁还敢说它跟人类的大脑不一样？

理论问题解决了，但是问题是怎么实现呢？

这个问题也困扰了科学家很久，然而经过了无数次的论证与推翻，他们终究还是想到了实现这一功能的方法：机器学习！

机器学习是人工智能的核心，也是目前人工智能领域最着力要解决的问题。机器学习的目的，是让机器具有像人一样的学习和思维能力，并能不断地完善自己。简单地说，就是机器应该可以通过已经存储的知识解决实际问题，在解决问题的过程中，通过结果反馈，可以发现自身方法的不足，不断完善自身解决问题的方法，提高解决问题的能力。最重要的是，这个过程不能需要外界的参与。不是说发现这个算法不够好，就再为计算机编一次程序。人类参与了就不叫机器学习了。

其实这听上去跟人类的学习方式非常接近，人类就是通过解决实际问题，不断地改变自己的思维和观念，提升解决问题的能力。实际上这些年来我们成功开发出来的“深蓝”、AlphaGo等人工智能，都具备了简单的机器学习功能。如果我们仔细研究它们的每一步棋路，每一盘对决，那么我们就会发现，其实它们不光是利用了自身存储的上百万套棋谱，它们会对自己的下棋风格和路数进行改善，与它们对决的高手越多，它们的棋技就越精湛，这像不像人类的进化呢？

机器学习看上去很牛吧，不过实现起来却异常困难。因为通过代码驱动的机器，从本质上说还只是通过数学来控制的，本身并没有变化和进步的能力，它们的表现归根结底还是要看代码编得怎么样，而想要编写一套可以实现自身完善的代码，难如登天。这不仅需要结合多个学科，而且需要将生活中的很多问题进行映射写成代码，不仅需要极具天赋的控制学家，还需要天才的程序员来完成。

目前我们制造出来的人工智能机器人，大都比较擅长棋类游戏，因为这可能是最容易映射成代码的实际问题。例如思考、语言这种人类所具有的特性，数学恐怕很难模拟。现在的客服机器人，大多还停在专家系统阶段徘徊，开发者们将简单的语言存入这些机器人的系统内，当它们听到我们说话的时候，会使用系统内存在的语言进行回复。所以客服机器人常常会回答出匪夷所思的答案，我甚至怀疑它们能不能通过图灵测试。

尽管在人工智能领域很多关键性的问题仍然悬而未决，不过让我们高兴的是，这些年来总是有小的成果不断涌现，如Google的搜索引擎及翻译等，让我们看到了人工智能的曙光。从最近人工智能的爆发式发展来看，机器学习方面应该取得了跨越式的发展，从而催生出那么多可爱的“妖孽”。尽管到今天我们仍然没有造出科幻电影里跟人类一样的机器人，但是人工智能行业已经走出了漫长的黑夜，60年来人类一直在人工智能领域试错，终于，所有的错误已经被试完。

寒夜将尽，曙光突现。